下载文档原格式
北邮概率论与随机过程笔记北邮概率论与随机过程笔记第一章绪论1.1 概率论的起源与发展1.2 概率的基本概念1.3 概率论的应用领域1.4 随机过程的起源与发展1.5 随机过程的基本概念1.6 随机过程的应用领域第二章概率论的基本概念2.1 随机试验与随机事件2.2 频率与概率2.3 古典概型2.4 贝叶斯概型2.5 随机变量2.6 随机变量的函数及其分布2.7 条件概率与条件分布2.8 独立性第三章随机变量及其分布3.1 离散型随机变量及其分布3.2 连续型随机变量及其分布3.3 随机变量的数学期望3.4 随机变量的方差与标准差3.5 随机变量的矩与生成函数3.6 概率母函数与特征函数3.7 大数定律与中心极限定理第四章多维随机变量及其分布4.1 多维随机变量及其分布函数4.2 联合分布函数与边缘分布函数4.3 多维离散型随机变量的分布4.4 多维连续型随机变量的密度4.5 条件分布与独立性4.6 随机变量的矩与协方差矩阵4.7 多维随机变量的生成函数与特征函数第五章数理统计基本概念5.1 数理统计的概念与作用5.2 参数估计与假设检验5.3 点估计与区间估计5.4 最大似然估计5.5 矩估计5.6 假设检验5.7 重要的假设检验第六章随机过程基本概念6.1 随机过程的概念与分类6.2 随机过程的样本函数与轨道6.3 随机过程的数学描述6.4 平稳性与各态平衡性6.5 随机过程的独立增量性与平稳增量性第七章随机过程的数学描述7.1 随机过程的数学描述7.2 随机过程的分布函数、密度函数与生成函数7.3 平稳随机过程的均值序列与相关函数7.4 广义平稳随机过程7.5 随机过程的协方差函数与自相关函数7.6 平稳随机过程的功率谱第八章马尔可夫链8.1 马尔可夫链的概念8.2 马尔可夫链的数学描述8.3 长期行为与不可约性8.4 平稳分布与转移概率矩阵8.5 极限分布与转移概率8.6 马尔可夫链的细致平衡方程第九章扩散过程9.1 扩散过程的概念与分类9.2 布朗运动与维纳过程9.3 平稳扩散过程与布朗桥9.4 非平稳扩散过程9.5 随机微分方程及其应用第十章随机过程的数值计算10.1 随机过程的模拟方法10.2 马尔可夫链模拟10.3 扩散过程的数值模拟第十一章随机过程的应用11.1 队列论与排队模型11.2 信道容量与信息论11.3 金融工程与随机过程11.4 生物与生态系统中的随机过程11.5 电力系统中的随机过程第十二章最优控制问题12.1 动态规划问题与最优控制12.2 马尔可夫控制问题12.3 黑塞矩阵与二次型控制问题第十三章随机过程的其他扩展13.1 小波分析与随机过程13.2 分数阶随机过程13.3 非高斯与非马尔可夫随机过程总结：北邮的概率论与随机过程课程涵盖了概率论和随机过程的基础知识和应用，对于理解随机现象和建立数学模型具有重要的意义。
§3.3随机变量的独立性随机变量的独立性我们可利用事件间的独立性的定义给出随机变量间的独立性之概念。
随机变量X 和Y 相互独立，如果对于任意有关X 的事件和有关Y 的事件都相互独，换言之，对于任意两个实数集I 和J ，有},{J Y I X P ∈∈}{}{J Y P I X P ∈∈= （1）理论上可证明（其证明超出了我们的知识范围）（1）式成立当且仅当对),(,+∞-∞∈∀y x ，有},{y Y x X P ≤≤}(){y Y P x X P ≤≤=.于是有以下定义。
定义 设二维随机变量),(Y X 的联合分布函数为),(y x F ，两个边际分布函数分别为)(x F X 和)(y F Y ，如果),(,+∞-∞∈∀y x ，有),(y x F )()(y F x F Y X = （2）则称Y X ,相互独立。
当),(Y X 为离散随机向量时，独立的条件（2）等价于等式 }{}{},{j i j i y Y P x X P y Y x X P ===== (3)对所有的),(j i y x ),2,1,( =j i 成立。
当),(Y X 为连续随机向量时，独立的条件（2）等价于等式 )()(),(y f x f y x f Y X = (4)几乎处处成立。
例3.3.1 设二维随机向量),(Y X 的联合分布函数为⎩⎨⎧≥≥+--=λ-----其他,00,0,1),(y x e e e y x F xy y x y x ， 则Y X ,相互独立的充要条件是0=λ。
例3.3.2 （续3.1.2）问X 与Y 是否相互独？对于离散随机向量),(Y X ，若说明X 与Y 不相互独立，则只需找一个数对),(j i y x ，使得}{}{},{j i j i y Y P x X P y Y x X P ==≠==；若要说明X 与Y 相互独立，则需要验证，对),(Y X 所有可能取的数对),(j i y x ，都有}{}{},{j i j i y Y P x X P y Y x X P =====， 2,1,=j i 。
2003级硕士生“概率论与随机过程”试题任课教师：唐碧华（请将答案写在答题纸上，否则一律无效）一、概念题：（每小题5分，共15分）1．简述可测函数的基本概念，并说明它与随机变量的区别与联系。
2．用数学语言描述马尔可夫过程。
3．用数学语言描述Lebesque-Stieltjes 积分。
二、填空题（每小题3分，共9分）1．在条件下，P(A/B)=P(A)；在条件下，P(A ∪B)=P(A)+P(B)。
2．设ξ服从分布：{}⋯,2,1,0,1,10,=−=<<==k p q p p q k P kξ，则ξ的特征函数为。
3．在条件下，两个随机过程{X(t)，t ∈T}，{Y(t)，t ∈T}相互正交；在条件下，两个随机过程互不相关。
三、（10分）设随机变量),(Y X 的联合分布律为：YX012311/4001/1621/161/401/4301/161/16（1）求Y X ,的边缘分布律；（2）判断X 与Y 是否相互独立；（3）求2=X 时Y 的条件分布律；（4）求2=X 时Y 的条件数学期望；（5）求2=X 时Y 的条件方差四、（12分）设（X,Y ）的联合密度函数为：()[]()()()()()()代数。
代数之交仍为分）证明：两个五、（不独立。
，，但，试证：的特征函数为的特征函数，并令，分别表示， 以其它 −−⋅=+=⎪⎩⎪⎨⎧≤≤++=σσϕϕϕϕϕϕ701,11),(21212241Y X t t t t Y X Z Y X t t y x y x xy y x f八、（10分）有三个黑球和三个白球。
把这六个球任意等分给甲、乙两个袋中，并把甲袋中的白球数定义为该过程的状态，则有四个状态：0，1，2，3。
现每次从甲、乙两袋中各取一球，然后相互交换，即把从甲袋取出的球放入乙袋，把从乙袋取出的球放入甲袋，经过n 次交换，过程的状态为()⋯4,3,2,1,=n n X 。
（1）试问该过程是否为马尔可夫链；（2）计算它的一步转移概率矩阵。
习题三1.将一硬币抛掷三次，以X 表示在三次中出现正面的次数，以Y 表示三次中出现正面次数与出现反面次数之差的绝对值.试写出X 和Y 的联合分布律. 222⨯⨯222⨯⨯2.盒子里装有3只黑球、2只红球、2只白球，在其中任取4只球，以X 表示取到黑球的只数，以Y 表示取到红球的只数.求X 和Y 的联合分布律. 247C 3C 35= 247C 2C 35= 2247C C 6C 35=112247C C 12C 35=1247C 2C 35= 27C /C =212247C C 6C 35=2247C 3C 35=3.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎪⎩⎪⎨⎧≤≤≤≤.,020,20,sin sin 其他ππy x y x求二维随机变量（X ，Y ）在长方形域⎭⎬⎫⎩⎨⎧≤<≤<36,40πππy x 内的概率. 【解】如图πππ{0,}(3.2)463P X Y <≤<≤公式 ππππππ(,)(,)(0,)(0,)434636F F F F --+ππππππsin sinsin sin sin 0sin sin 0sin 4346361).4=--+=题3图说明：也可先求出密度函数，再求概率。
4.设随机变量（X ，Y ）的分布密度f （x ，y ）=⎩⎨⎧>>+-.,0,0,0,)43(其他y x A y x e求：（1） 常数A ；（2） 随机变量（X ，Y ）的分布函数； （3） P {0≤X <1，0≤Y <2}. 【解】（1） 由-(34)0(,)d d e d d 112x y Af x y x y A x y +∞+∞+∞+∞+-∞-∞===⎰⎰⎰⎰得 A =12 （2） 由定义，有 (,)(,)d d y xF x y f u v u v -∞-∞=⎰⎰(34)340012ed d (1e )(1e )0,0,0,0,y yu v x y u v y x -+--⎧⎧-->>⎪==⎨⎨⎩⎪⎩⎰⎰其他(3) {01,02}P X Y ≤<≤<12(34)3800{01,02}12e d d (1e )(1e )0.9499.x y P X Y x y -+--=<≤<≤==--≈⎰⎰5.设随机变量（X ，Y ）的概率密度为f （x ，y ）=⎩⎨⎧<<<<--.,0,42,20),6(其他y x y x k（1） 确定常数k ；（2） 求P {X ＜1，Y ＜3}； （3） 求P {X <1.5}； （4） 求P {X +Y ≤4}. 【解】（1） 由性质有242(,)d d (6)d d 81,f x y x y k x y y x k +∞+∞-∞-∞=--==⎰⎰⎰⎰故 18R =（2） 13{1,3}(,)d d P X Y f x y y x -∞-∞<<=⎰⎰130213(6)d d 88k x y y x =--=⎰⎰ (3) 11.5{ 1.5}(,)d d a (,)d d x D P X f x y x y f x y x y <<=⎰⎰⎰⎰如图1.542127d (6)d .832x x y y =--=⎰⎰(4) 24{4}(,)d d (,)d d X Y D P X Y f x y x y f x y x y +≤+≤=⎰⎰⎰⎰如图b240212d (6)d .83x x x y y -=--=⎰⎰题5图6.设X 和Y 是两个相互独立的随机变量，X 在（0，0.2）上服从均匀分布，Y 的密度函数为f Y （y ）=⎩⎨⎧>-.,0,0,55其他y y e求：（1） X 与Y 的联合分布密度；（2） P {Y ≤X }.题6图【解】（1） 因X 在（0，0.2）上服从均匀分布，所以X 的密度函数为1,00.2,()0.20,.X x f x ⎧<<⎪=⎨⎪⎩其他 而55e ,0,()0,.y Y y f y -⎧>=⎨⎩其他 所以(,),()()X Y f x y X Y f x f y 独立 5515e25e ,00.20,0.20,0,yy x y --⎧⎧⨯<<>⎪==⎨⎨⎩⎪⎩且其他. (2) 5()(,)d d 25e d d y y xDP Y X f x y x y x y -≤≤=⎰⎰⎰⎰如图0.20.2-550-1d 25e d (5e 5)d =e 0.3679.xyx x y x-==-+≈⎰⎰⎰7.设二维随机变量（X ，Y ）的联合分布函数为F （x ，y ）=⎩⎨⎧>>----.,0,0,0),1)(1(24其他y x y x e e求（X ，Y ）的联合分布密度.【解】(42)28e ,0,0,(,)(,)0,x y x y F x y f x y x y -+⎧>>∂==⎨∂∂⎩其他. 8.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）= 4.8(2),01,0,0,.y x x y x -≤≤≤≤⎧⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰x204.8(2)d 2.4(2),01,=0,.0,y x y x x x ⎧⎧--≤≤⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)dY f y f x y x +∞-∞=⎰12y 4.8(2)d 2.4(34),01,=0,.0,y x x y y y y ⎧-⎧-+≤≤⎪=⎨⎨⎩⎪⎩⎰其他题8图 题9图9.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=e ,0,0,.y x y -⎧<<⎨⎩其他求边缘概率密度. 【解】()(,)d X f x f x y y +∞-∞=⎰e d e ,0,=0,.0,y x x y x +∞--⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰0e d e ,0,=0,.0,yy x x y y --⎧⎧>⎪=⎨⎨⎩⎪⎩⎰其他题10图10.设二维随机变量（X ，Y ）的概率密度为f （x ，y ）=22,1,0,.cx y x y ⎧≤≤⎨⎩其他（1） 试确定常数c ；（2） 求边缘概率密度. 【解】（1）(,)d d (,)d d Df x y x y f x y x y +∞+∞-∞-∞⎰⎰⎰⎰如图2112-14=d d 1.21xx cx y y c ==⎰⎰ 得214c =. (2) ()(,)d X f x f x y y +∞-∞=⎰212422121(1),11,d 840,0,.x x x x x y y ⎧⎧--≤≤⎪⎪==⎨⎨⎪⎪⎩⎩⎰其他 ()(,)d Y f y f x y x +∞-∞=⎰5227d ,01,20,0, .x y x y y ⎧⎧≤≤⎪⎪==⎨⎨⎪⎪⎩⎩其他 11.设随机变量（X ，Y ）的概率密度为f （x ，y ）=1,,01,0,.y x x ⎧<<<⎨⎩其他求条件概率密度f Y ｜X （y ｜x ），f X ｜Y （x ｜y ）.题11图【解】()(,)d X f x f x y y +∞-∞=⎰1d 2,01,0,.x x y x x -⎧=<<⎪=⎨⎪⎩⎰其他111d 1,10,()(,)d 1d 1,01,0,.y Y y x y y f y f x y x x y y -+∞-∞⎧=+-<<⎪⎪⎪===-≤<⎨⎪⎪⎪⎩⎰⎰⎰其他所以|1,||1,(,)(|)2()0,.Y X X y x f x y f y x xf x ⎧<<⎪==⎨⎪⎩其他|1, 1,1(,)1(|),1,()10,.X Y Y y x y f x y f x y y x f y y⎧<<⎪-⎪⎪==-<<⎨+⎪⎪⎪⎩其他12.袋中有五个号码1，2，3，4，5，从中任取三个，记这三个号码中最小的号码为X ，最大的号码为Y .（1） 求X 与Y 的联合概率分布； （2） X 与Y 是否相互独立？ 【解】（1） X 与Y 的联合分布律如下表(2) 因6161{1}{3}{1,3},101010010P X P Y P X Y ===⨯=≠=== 故X 与Y 不独立（2） X 与Y 是否相互独立？(2) 因{2}{0.4}0.20.8P X P Y ===⨯0.160.15(2,0.4),P X Y =≠=== 故X 与Y 不独立14.设X 和Y 是两个相互独立的随机变量，X 在（0，1）上服从均匀分布，Y 的概率密度为f Y （y ）=⎪⎩⎪⎨⎧>-.,0,0,212/其他y y e （1）求X 和Y 的联合概率密度；（2） 设含有a 的二次方程为a 2+2Xa +Y =0，试求a 有实根的概率.【解】（1） 因1,01,()0,X x f x <<⎧==⎨⎩其他; 21e ,1,()20,yY y f y -⎧>⎪==⎨⎪⎩其他.故/21e01,0,(,),()()20,.y X Y x y f x y X Y f x f y -⎧<<>⎪=⎨⎪⎩独立其他题14图(2) 方程220a Xa Y ++=有实根的条件是2(2)40X Y ∆=-≥故 X 2≥Y ，从而方程有实根的概率为：22{}(,)d d x yP X Y f x y x y ≥≥=⎰⎰21/2001d e d 21(1)(0)]0.1445.x y x y-==-Φ-Φ=⎰⎰15.设X 和Y 分别表示两个不同电子器件的寿命（以小时计），并设X 和Y 相互独立，且服从同一分布，其概率密度为f （x ）=⎪⎩⎪⎨⎧>.,0,1000,10002其他x x求Z =X /Y 的概率密度.【解】如图,Z 的分布函数(){}{}Z XF z P Z z P z Y=≤=≤ (1) 当z ≤0时，()0Z F z =（2） 当0<z <1时，（这时当x =1000时,y =1000z）(如图a) 3366102222101010()d d d d yz Z zx y zF z x y y x x y x y +∞≥==⎰⎰⎰⎰ 33610231010=d 2z zy yzy +∞⎛⎫-= ⎪⎝⎭⎰题15图(3) 当z ≥1时，（这时当y =103时，x =103z ）（如图b ）3366222210101010()d d d d zy Z xy zF z x y y x x yx y +∞≥==⎰⎰⎰⎰ 336231010101=d 12y y zy z +∞⎛⎫-=- ⎪⎝⎭⎰即 11,1,2(),01,20,.Z z z zf z z ⎧-≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他故 21,1,21(),01,20,.Z z z f z z ⎧≥⎪⎪⎪=<<⎨⎪⎪⎪⎩其他 16.设某种型号的电子管的寿命（以小时计）近似地服从N （160，202）分布.随机地选取4 只，求其中没有一只寿命小于180h 的概率.【解】设这四只寿命为X i (i =1,2,3,4)，则X i ~N （160，202），从而123412{min(,,,)180}{180}{180}i P X X X X X P X P X ≥≥≥之间独立34{180}{180}P X P X ≥≥ 1234[1{180}][1{180}][1{180}][1{180}]P X P X P X P X =-<-<-<-< 44144180160[1{180}]120[1(1)](0.158)0.00063.P X ⎡-⎤⎛⎫=-<=-Φ ⎪⎢⎥⎝⎭⎣⎦=-Φ== 17.设X ，Y 是相互独立的随机变量，其分布律分别为P {X =k }=p （k ），k =0，1，2，…， P {Y =r }=q （r ），r =0，1，2，….证明随机变量Z =X +Y 的分布律为P {Z =i }=∑=-ik k i q k p 0)()(，i =0，1，2，….【证明】因X 和Y 所有可能值都是非负整数，所以 {}{}Z i X Y i ==+={0,}{1,1}{,0}X Y i X Y i X i Y =====-==于是0{}{,},i k P Z i P X k Y i k X Y =====-∑相互独立0{}{}ik P X k P Y i k ===-∑()()ik p k q i k ==-∑18.设X ，Y 是相互独立的随机变量，它们都服从参数为n ，p 的二项分布.证明Z =X +Y 服从参数为2n ，p 的二项分布.【证明】方法一：X +Y 可能取值为0，1，2，…，2n .{}{,}ki P X Y k P X i Y k i =+====-∑00202(){}2ki ki n i k i n k ii k k n k i k n kP X i P Y k i n n p q p q i k i n n p qi k i n p q k =---+=-=-===-⎛⎫⎛⎫= ⎪ ⎪-⎝⎭⎝⎭⎛⎫⎛⎫= ⎪⎪-⎝⎭⎝⎭⎛⎫= ⎪⎝⎭∑∑∑方法二：设μ1,μ2,…,μn ;μ1′,μ2′,…，μn ′均服从两点分布（参数为p ），则X =μ1+μ2+…+μn ，Y =μ1′+μ2′+…+μn ′, X +Y =μ1+μ2+…+μn +μ1′+μ2′+…+μn ′,所以，X +Y 服从参数为（2n ,p )的二项分布.(1) 求P {X =2｜Y =2}，P {Y =3｜X =0}； （2） 求V =max （X ，Y ）的分布律； （3） 求U =min （X ，Y ）的分布律； （4） 求W =X +Y 的分布律. 【解】（1）{2,2}{2|2}{2}P X Y P X Y P Y ======5{2,2}0.051,0.252{,2}i P X Y P X i Y ========∑ {3,0}{3|0}{0}P Y X P Y X P X ======3{0,3}0.011;0.033{0,}j P X Y P X Y j ========∑ （2）{}{max(,)}{,}{,}P V i P X Y i P X i Y i P X i Y i ====<+≤=10{,}{,},i ik k P X i Y k P X k Y i -=====+==∑∑ 0,1,2,3,4,i =所以V 的分布律为(3) {}{min(,)}P U i P X Y i ===351{,}{,}{,}{,}k ik i P X i Y i P X i Y i P X i Y k P X k Y i ==+==≥+>====+==∑∑0,1,2,3i = 于是（1） 求P {Y ＞0｜Y ＞X }；（2） 设M =max{X ，Y }，求P {M ＞0}.题20图【解】因（X ，Y ）的联合概率密度为22221,,(,)π0,.x y R f x y R⎧+≤⎪=⎨⎪⎩其他 （1）{0,}{0|}{}P Y Y X P Y Y X P Y X >>>>=>0(,)d (,)d y y xy xf x y f x y σσ>>>=⎰⎰⎰⎰π2π/405π42π/401d d π1d d πRR r rR r rR θθ=⎰⎰⎰⎰3/83;1/24== (2) {0}{max(,)0}1{max(,)0}P M P X Y P X Y >=>=-≤00131{0,0}1(,)d 1.44x y P X Y f x y σ≤≤=-≤≤=-=-=⎰⎰21.设平面区域D 由曲线y =1/x 及直线y =0，x =1,x=e 2所围成，二维随机变量（X ，Y ）在区域D 上服从均匀分布，求（X ，Y ）关于X 的边缘概率密度在x =2处的值为多少？题21图【解】区域D 的面积为 22e e 0111d ln 2.S x x x===⎰（X ,Y ）的联合密度函数为211,1e ,0,(,)20,.x y f x y x ⎧≤≤<≤⎪=⎨⎪⎩其他（X ，Y ）关于X 的边缘密度函数为1/2011d ,1e ,()220,.x X y x f x x⎧=≤≤⎪=⎨⎪⎩⎰其他 所以1(2).4X f =22.设随机变量X 和Y 相互独立，下表列出了二维随机变量（X ，Y ）联合分布律及关于X 和【解】因21{}{,}j j iji P Y y P P X x Y y ======∑,故11121{}{,}{,},P Y y P X x Y y P X x Y y ====+== 从而11111{,}.6824P X x Y y ===-=而X 与Y 独立，故{}{}{,}i j i i P X x P Y y P X x Y y =====,从而11111{}{,}.624P X x P X x Y y =⨯==== 即：1111{}/.2464P X x === 又1111213{}{,}{,}{,},P X x P X x Y y P X x Y y P X x Y y ====+==+==即1,3111{},4248P X x Y y =++== 从而131{,}.12P X x Y y === 同理21{},2P Y y == 223{,}8P X x Y y ===又31{}1jj P Y y ===∑,故3111{}1623P Y y ==--=. 同理23{}.4P X x == 从而23313111{,}{}{,}.3124P X x Y y P Y y P X x Y y ====-===-=故23.设某班车起点站上客人数X 服从参数为λ(λ>0)的泊松分布，每位乘客在中途下车的概率为p （0<p <1），且中途下车与否相互独立，以Y 表示在中途下车的人数，求：（1）在发车时有n 个乘客的条件下，中途有m 人下车的概率；（2）二维随机变量（X ，Y ）的概率分布.【解】(1) {|}C (1),0,0,1,2,m m n mn P Y m X n p p m n n -===-≤≤=.(2) {,}{}{|}P X n Y m P X n P Y m X n ======e C (1),,0,1,2,.!m m n mnnp p n m n n n λλ--=-≤≤=24.设随机变量X 和Y 独立，其中X 的概率分布为X ~⎪⎪⎭⎫⎝⎛7.03.021，而Y 的概率密度为f (y )，求随机变量U =X +Y 的概率密度g (u ).【解】设F （y ）是Y 的分布函数，则由全概率公式，知U =X +Y 的分布函数为(){}0.3{|1}0.7{|2}G u P X Y u P X Y u X P X Y u X =+≤=+≤=++≤=0.3{1|1}0.7{2|2}P Y u X P Y u X =≤-=+≤-=由于X 和Y 独立，可见()0.3{1}0.7{2}G u P Y u P Y u =≤-+≤-0.3(1)0.7(2).F u F u =-+-由此，得U 的概率密度为()()0.3(1)0.7(2)g u G u F u F u '''==-+-0.3(1)0.7(2).f u f u =-+-25. 设随机变量X 与Y 相互独立，且均服从区间[0,3]上的均匀分布，求P {max{X ,Y }≤1}.解：因为随即变量服从[0，3]上的均匀分布，于是有1, 03,()30, 0,3;x f x x x ⎧≤≤⎪=⎨⎪<>⎩ 1, 03,()30, 0, 3.y f y y y ⎧≤≤⎪=⎨⎪<>⎩ 因为X ，Y 相互独立，所以1, 03,03,(,)90, 0,0,3, 3.x y f x y x y x y ⎧≤≤≤≤⎪=⎨⎪<<>>⎩ 推得 1{max{,}1}9P X Y ≤=. 26. 设二维随机变量（X ，Y ）的概率分布为其中a ,b ,c 为常数，且X 的数学期望E (X )= -0.2,P {Y ≤0|X ≤0}=0.5，记Z =X +Y .求：（1） a ,b ,c 的值； （2） Z 的概率分布； （3） P {X =Z }.解 (1) 由概率分布的性质知，a+b+c +0.6=1 即 a+b+c = 0.4. 由()0.2E X =-，可得0.1a c -+=-.再由 {0,0}0.1{00}0.5{0}0.5P X Y a b P Y X P X a b ≤≤++≤≤===≤++,得 0.3a b +=.解以上关于a ，b ，c 的三个方程得0.2,0.1,0.1a b c ===.(2) Z 的可能取值为-2，-1，0，1，2，{2}{1,1}0.2P Z P X Y =-==-=-=，{1}{1,0}{0,1}0.1P Z P X Y P X Y =-==-=+==-=，{0}{1,1}{0,0}{1,1}0.3P Z P X Y P X Y P X Y ===-=+==+==-=，{1}{1,0}{0,1}0.3P Z P X Y P X Y ====+===，{2}{1,1}0.1P Z P X Y =====，即Z(3) {}{0}0.10.20.10.10.20.4P X Z P Y b ====++=++=.27. 设随机变量X,Y 独立同分布,且X 的分布函数为F(x),求Z=max{X,Y}的分布函数.解：因为X,Y 独立同分布，所以F X （z ）=F Y (z),则F Z （z ）=P{Z ≤z}=P{X ≤z ，Y ≤z}=P{x ≤z}·P{Y ≤z}=［F （z ）］2.28.设随机变量X 与Y 相互独立，X 的概率分布为1{},1,0,1,3P X i i ===-Y 的概率密度为1,01,()0,Y y f y ≤<⎧=⎨⎩其他.记Z =X +Y .（1）求1{|0};2P Z X ≤= （2）求Z 的概率密度()Z f z分析 题（1）可用条件概率的公式求解.题（2）可先求Z 的分布函数，再求导得密度函数.解(1)1{0,}12{|0}2{0}P X Z P Z X P X =≤≤=== 1{0,}2{0}P X Y P X =≤== 11{}22P Y =≤=（2）(){}{}Z F z P Z z P X Y z =≤=+≤{,1}{,0}{,P X Y z X P X Y z X P X Y z X =+≤=-++≤=++≤= {1,1}{,0}{1,P Y z X P Y z X P Y z X =≤+=-+≤=+≤-= {1}{1}{}{0}{1}{P Y z P X P Y z P X P Y z P X=≤+=-+≤=+≤-= 1[{1}{}{1}]3P Y z P Y z P Y z =≤++≤+≤- 1[(1)()(1)]3Y Y YF z F z F z =+++- '1()()[(1)()(1)]3Z Z Y Y Y f z F z f z f z f z ==+++- 1,1230,.z ⎧-≤<⎪=⎨⎪⎩其他29.设随机变量(X,Y)服从二维正态分布,且X 与Y 不相关,f X (x),f Y (y)分别表示X,Y 的概率密度,求在Y=y 的条件下,X 的条件概率密度f X ｜Y (x ｜y).解：由第四章第三节所证可知，二维正态分布的不相关与独立性等价，所以f(x,y)= f X (x) ·F Y (y)，由本章所讨论知，/()()(,)(/)()()()X Y X Y X Y Y f x f y f x y f x y f x f y f y ===.30.设二维随机变量(X ,Y )的概率密度为2,01,01,(,)0,.x y x y f x y --<<<<⎧=⎨⎩其他（1）求{2};P X Y >（2）求Z =X +Y 的概率密度()Z f z .分析 已知(X,Y)的联合密度函数，可用联合密度函数的性质{(,)P X Y ∈}(,)GG f x y dxdy =⎰⎰ 解（1）； Z=X+Y 的概率密度函数可用先求Z 的分布函数再求导的方法或直接套公式求解. 解 （1）2{2}(,)x yP X Y f x y dxdy >>=⎰⎰120120(2)57().824xdx x y dy x x dx =--=-=⎰⎰⎰（2）()(,),Z f z f x z x dx +∞-∞=-⎰其中 2()01,01(,)0x z x x z x f x z x ---<<<-<⎧-=⎨⎩其他201,01z x z x -<<<-<⎧=⎨⎩其他当02z z ≤≥或时，()0Z f z =； 当01z <<时，0()(2)(2);zZ f z z dx z z =-=-⎰ 当12z ≤<时，121()(2)(2),Z z f z z dx z -=-=-⎰即Z 的概率密度为2(2)01()(2)120Z z z z f z z z -<<⎧⎪=-≤<⎨⎪⎩其他。
